Machine Learning

Rechercher une formation

Source : Carif Oref Occitanie

Fiche originale

Partager sur :

Objectifs, programme, validation de la formation

Objectifs

Découvrir les principales étapes d’une étude de Machine Learning et un panorama des méthodes associées (Data Mining, Analyse de Données). Apprendre à extraire de l’information utile à partir de données volumineuses, changeantes, non structurées.

Description, programmation

Définitions du Machine Learning
Le contexte du Machine Learning : volume des données, nature des problèmes, mélange des disciplines
Définitions du Machine Learning et de l’Analyse de Données
L’histoire récente- Le processus Machine Learning
Les étapes du “Knowledge Discovery in Databases” (KDD)
Extraction, prétraitements et nettoyage
Analyses exploratoires
Visualisations
Modélisation
Analyse des résultats
Intégration
Échantillon d’apprentissage, de test et de validation- Méthodes d’exploration graphique
Les analyses factorielles : composantes principales, correspondances simples et multiples
Les algorithmes de classification : arbres et centres mobiles
Les graphiques de Bertin- Les réseaux de neurones
Principes des réseaux de neurones (perceptron)
Techniques de calculs
Applications à la résolution de nombreux problèmes dont la discrimination et la régression
Forces et faiblesses de l’approche- Les arbres de décision
Principe des arbres
Les principaux algorithmes
Validation et élagage d’un arbre
Quelques exemples d’applications- Les méthodes parcimonieuses
Régression pas à pas
Régression LASSO
Régression RIDGE
Elastic Net- Les méthodes de ré-échantillonnage
Bagging
Boosting
Random Forest- Le Text mining
Principe et méthodes du Text mining
Techniques factorielles, typologies et lexicométrie
Quelques applications : documents, messages électroniques, Internet, …- Les principaux logiciels de Machine Learning- Bilan

Type de formation

Perfectionnement, élargissement des compétences

Niveau de sortie sans niveau spécifique

Durée, rythme, financement

Durée 28 heures en centre

Modalités de l'alternance -

Conventionnement Non

Conditions d'accès

Niveau d'entrée sans niveau spécifique

Conditions spécifiques et prérequis Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation Statistique descriptive (exploratoire) : savoir décrire des observations